(Tensorflow) EfficientNet CondConv

EfficientNet 是一種卷積神經網路架構和縮放方法，它使用複合係數統一縮放深度/寬度/解析度的所有維度。與任意縮放這些因素的傳統做法不同，EfficientNet 縮放方法使用一組固定的縮放係數統一縮放網路寬度、深度和解析度。例如，如果我們想使用 $2^N$ 倍的計算資源，那麼我們可以簡單地將網路深度增加 $\alpha ^ N$ ，寬度增加 $\beta ^ N$ ，影像大小增加 $\gamma ^ N$ ，其中 $\alpha, \beta, \gamma$ 是常數係數，透過對原始小模型進行小範圍網格搜尋來確定。EfficientNet 使用複合係數 $\phi$ 以一種有原則的方式統一縮放網路寬度、深度和解析度。

複合縮放方法是基於這樣的直覺：如果輸入影像更大，那麼網路需要更多的層來增加感受野，需要更多的通道來捕獲更大影像上更精細的模式。

基礎的 EfficientNet-B0 網路基於 MobileNetV2 的倒置殘差塊，並加入了Squeeze-and-Excitation 模組。

此模型集合透過新增 CondConv 卷積來改進 EfficientNet。

該模型的權重是從 Tensorflow/TPU 移植的。

我如何在影像上使用此模型？

載入預訓練模型

>>> import timm
>>> model = timm.create_model('tf_efficientnet_cc_b0_4e', pretrained=True)
>>> model.eval()

載入並預處理影像

>>> import urllib
>>> from PIL import Image
>>> from timm.data import resolve_data_config
>>> from timm.data.transforms_factory import create_transform

>>> config = resolve_data_config({}, model=model)
>>> transform = create_transform(**config)

>>> url, filename = ("https://github.com/pytorch/hub/raw/master/images/dog.jpg", "dog.jpg")
>>> urllib.request.urlretrieve(url, filename)
>>> img = Image.open(filename).convert('RGB')
>>> tensor = transform(img).unsqueeze(0) # transform and add batch dimension

獲取模型預測結果

>>> import torch
>>> with torch.inference_mode():
...     out = model(tensor)
>>> probabilities = torch.nn.functional.softmax(out[0], dim=0)
>>> print(probabilities.shape)
>>> # prints: torch.Size([1000])

獲取排名前 5 的預測類別名稱

>>> # Get imagenet class mappings
>>> url, filename = ("https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt", "imagenet_classes.txt")
>>> urllib.request.urlretrieve(url, filename)
>>> with open("imagenet_classes.txt", "r") as f:
...     categories = [s.strip() for s in f.readlines()]

>>> # Print top categories per image
>>> top5_prob, top5_catid = torch.topk(probabilities, 5)
>>> for i in range(top5_prob.size(0)):
...     print(categories[top5_catid[i]], top5_prob[i].item())
>>> # prints class names and probabilities like:
>>> # [('Samoyed', 0.6425196528434753), ('Pomeranian', 0.04062102362513542), ('keeshond', 0.03186424449086189), ('white wolf', 0.01739676296710968), ('Eskimo dog', 0.011717947199940681)]

將模型名稱替換為您要使用的變體，例如 tf_efficientnet_cc_b0_4e。您可以在本頁頂部的模型摘要中找到 ID。

要使用此模型提取影像特徵，請遵循 timm 特徵提取示例，只需更改你想使用的模型名稱。

我如何微調此模型？

你可以透過更改分類器（最後一層）來微調任何預訓練模型。

>>> model = timm.create_model('tf_efficientnet_cc_b0_4e', pretrained=True, num_classes=NUM_FINETUNE_CLASSES)

要在自己的資料集上進行微調，你需要編寫一個訓練迴圈或修改 timm 的訓練指令碼以使用你的資料集。

我如何訓練此模型？

你可以按照 timm 食譜指令碼來重新訓練一個新模型。

引用

@article{DBLP:journals/corr/abs-1904-04971,
  author    = {Brandon Yang and
               Gabriel Bender and
               Quoc V. Le and
               Jiquan Ngiam},
  title     = {Soft Conditional Computation},
  journal   = {CoRR},
  volume    = {abs/1904.04971},
  year      = {2019},
  url       = {http://arxiv.org/abs/1904.04971},
  archivePrefix = {arXiv},
  eprint    = {1904.04971},
  timestamp = {Thu, 25 Apr 2019 13:55:01 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1904-04971.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

< > 在 GitHub 上更新